اخبار و اعلانات

دانشگاه سیستان و بلوچستان

آمار

تعداد نشریات27
تعداد شماره‌ها556
تعداد مقالات5,734
تعداد مشاهده مقاله8,017,596
تعداد دریافت فایل اصل مقاله5,389,586
جانفدا, مجید, رضایی پژند, حجت. (1391). کاربرد الگوی کمانک تطبیقی چندمتغیره در الگوبندی و تبیین درازمدت شوری و باقی‌مانده خشک آب رودخانه مطالعه موردی: حوضه‌های‌ آبریز استان خراسان جنوبی. نشریه علمی دانشگاه سیستان و بلوچستان, 1(2), 49-62. doi: 10.22111/jneh.2013.2455
مجید جانفدا; حجت رضایی پژند. "کاربرد الگوی کمانک تطبیقی چندمتغیره در الگوبندی و تبیین درازمدت شوری و باقی‌مانده خشک آب رودخانه مطالعه موردی: حوضه‌های‌ آبریز استان خراسان جنوبی". نشریه علمی دانشگاه سیستان و بلوچستان, 1, 2, 1391, 49-62. doi: 10.22111/jneh.2013.2455
جانفدا, مجید, رضایی پژند, حجت. (1391). 'کاربرد الگوی کمانک تطبیقی چندمتغیره در الگوبندی و تبیین درازمدت شوری و باقی‌مانده خشک آب رودخانه مطالعه موردی: حوضه‌های‌ آبریز استان خراسان جنوبی', نشریه علمی دانشگاه سیستان و بلوچستان, 1(2), pp. 49-62. doi: 10.22111/jneh.2013.2455
جانفدا, مجید, رضایی پژند, حجت. کاربرد الگوی کمانک تطبیقی چندمتغیره در الگوبندی و تبیین درازمدت شوری و باقی‌مانده خشک آب رودخانه مطالعه موردی: حوضه‌های‌ آبریز استان خراسان جنوبی. نشریه علمی دانشگاه سیستان و بلوچستان, 1391; 1(2): 49-62. doi: 10.22111/jneh.2013.2455

کاربرد الگوی کمانک تطبیقی چندمتغیره در الگوبندی و تبیین درازمدت شوری و باقی‌مانده خشک آب رودخانه مطالعه موردی: حوضه‌های‌ آبریز استان خراسان جنوبی

مخاطرات محیط طبیعی
مقاله 4، دوره 1، شماره 2، دی 1391، صفحه 49-62  XML اصل مقاله (657.1 K)
نوع مقاله: مقاله پژوهشی
شناسه دیجیتال (DOI): 10.22111/jneh.2013.2455
نویسندگان
مجید جانفدا1؛ حجت رضایی پژند email 2
1فوق لیسانس آمار
2فوق لیسانس هیدرولوؤی، مدرس دانشگاه آزاد مشهد
چکیده
شوری (Ec) و باقی­مانده خشک (TDS) از عوامل کیفی آب‌های شرب، کشاورزی و صنعت محسوب می‌شوند. ابتدا رابطه بین دبی- شوری و دبی- TDS (توابع سنجه) نمونه­های برداشت شده با برازش الگوهای رگرسیونی نمایی، توانی و شبکه عصبی انجام می­شود. سپس تحلیل دراز مدت Ec  و TDSآب رودخانه (مقیاس روز، ماه و سال) با الگوی انتخابی صورت می­گیرد. نمونه­های برداشتی اغلب از جریان عادی و سیلاب­های کوچک است. سیلاب­های بزرگ و کم آبی­های شدید رودخانه اثرات مهمی در تحلیل و تبیین نوسانات Ec و TDS دارند. لذا نیاز به تخمین Ec و TDSاین سیلاب­ها و کم آبی­هاست (برون­یابی). الگوهای رایج در برون­یابی به دلیل کران دار بودن شوری و باقیمانده خشک خوب عمل نمی­کنند. هدف مقاله حاضر به­کارگیری الگوی جدید کمانک تطبیقی چند ­متغیره[1] (MARS) برای حل این مشکل است. حوضه­های آبریز خراسان جنوبی نیز برای مطالعه موردی انتخاب شد. MARS یک الگوی رگرسیون تکه‌ای خطی  (یا غیرخطی) کمانکی است که در برون­یابی و رعایت کران­ها عملکرد بهتری دارد. سه الگوی نمایی، توانی و MARS (با نردبان تبدیل) بر آمار دبی- Ec و دبی- TDS ایستگاه‌های استان خراسان جنوبی برازش داده شد. دو دیدگاه آماری و فیزیکی این الگوها معیار انتخاب الگوی برتر است که MARSبرتری خود را در این دو حالت نشان داد. نتایج الگوهای برازشی در دو حالت درون­یابی و برون‌یابی با هم مقایسه شد. برون­یابی الگوی MARSاعداد معقول و برون­یابی سایر الگوها اعدا بسیار بزرگ (حتی بی­نهایت) ارائه می­کنند. تحلیل­ها نشان داد که الگوی MARS با نردبان تبدیل می­تواند جایگزین خوبی برای الگو بندی منحنی سنجه Ecو TDS باشد.



 
کلیدواژه‌ها
شوری آب؛ باقی‌مانده خشک؛ MARS؛ نمایی؛ توانی؛ خراسان جنوبی
مراجع
  1.  اسدالله فردی، غلامرضا، قنبری، علی، کنعانی، شهیر، 1387. پیش بینی شوری با استفاده از شبکه های عصبی مصنوعی مطالعه موردی: حوضه آبریز رودخانه آجی چای، چهارمین کنگره ملی مهندسی عمران، دانشگاه تهران.
  2.  اسدالله فردی، غلامرضا، تکلیفی، آیدین و قنبری، علی، 1388، استفاده از روش شبکه عصبی مصنوعی در پیشبینی مقادیر TDS در رودخانه تلخه رود، سومین همایش تخصصی مهندسی محیط زیست.
  3. آرشیو سازمان مدیریت منابع آب وزارت نیرو.
  4. بختیاری، مرتضی، کاشفی پوردزفولی، سید محمود، عزیزی مبصر، جوانشیر ،1386،  استفاده از شبکه‌های عصبی در ارزیابی کیفی رودخانه کرخه، ششمین کنفرانس هیدرولیک ایران.
  5. رضائی پژند حجت و جانفدا مجید، 1390، کاربرد رگرسیون مارس در براورد نسبت جذب سدیم مثال کاربردی: خراسان شمالی، حوضه آبریز دربند سملقان، چهارمین کنفرانس مدیریت منابع آب ایران، دانشگاه امیر کبیر.
  6. قاسمپور، لیلا، مصطفوی، رویا و دانشور، نرگس، 1389، تعیین رابطه بین مواد جامد در اب TDS با دبی در محدوده ایستگاههای هیدرومتری بلده و رزن رودخانه نور، اولین همایش ملی مدیریت منابع آب اراضی ساحلی.
  7. قبادیان، رسول، مشایخی، حسن، 1387، شبیه‌سازی پارامترهای کیفی آب رودخانه قره سو در محل ایستگاه قرباغستان با استفاده از شبکه عصبی مصنوعی، سومین کنفرانس مدیریت منابع آب.
  8. کرمی، مهدی، کاشفی پور، محمود، معاضد، هادی، فروغی، حسن، 1385، پیش بینی کیفیت آب رودخانه کارون با استفاده از شبکه های عصبی مصنوعی. هفتمین سمینار بین المللی مهندسی رودخانه، دانشگاه اهواز.
  9. محجوبی، عماد و تجریشی، مسعود، 1389، مقایسه عملکرد الگوریتم های شبکه عصبی مصنوعی و درختان تصمیم گیری درپیش بینی تغییرات شوری آب رودخانه‌ها - مطالعه موردی : رودخانه کارون، چهارمین همایش و نمایشگاه تخصصی مهندسی محیط زیست.
  10. Lo. Shuh-shiaw. (1992). “Glossary of  hydrology”, Water resources Pub.
  11. Barnet. V. Lewis. T. (1994). “Outliers in statistical data”, John Wiley & Sons.
  12. Sarmad, M. (2012), “Detecting Outliers in Data from Exponential Distribution”, Heber International Conference on Applications of Mathematics and Statistics.
  13.  Weisberg. S. (2005). “Applied Linear Regression, John Wiley & Sons”, INC. PUB.
  14.  Freedman, D. A. (2009), “Statistical Models: Theory and Practice”, Cambridge.
  15.  Sheather. S. J. (2009). “A modern approach to regression with R”, Springer.
  16.  Ryan. S.E. et al. (2002), “difining phase of bedlood transport using piecewise regression”, J. Earth Surf. Process, Landforms, 27, 971-999.
  17. Friedman. J.H. (1991), “Multivariate adaptive regression splines (with discussion)”. J. Annals of Statistics, 19, 1–141.
  18.  Hastie, T, et al, (2009), “The elements of Statistical Learning Data Mining, Inference and Prediction”, 2th Ed., Univ. Press.
  19. Palani S. et al, (2008), “An ANN Application for Water Quality  Forecasting”, J. of Marine Pollution Bulletin.
  20. Chavez P., Chang F., (2006), “Simulation of Multiple Water Quality Parameters Using Artificial Neural Networks”, 7th International Conference on Hydro information, 2006
  21. www.R-project.com.
آمار
تعداد مشاهده مقاله: 478
تعداد دریافت فایل اصل مقاله: 346


Contact Us | Help & Support | Site Map

Journal Management System. Designed by sinaweb.